降采样是三维点云预处理过程中的重要环节,体素网格法是一种被广泛使用的降采样方法。针对体素网格降采样方法存在着采样点分布不均匀的问题,提出了一种新的体素网格降采样方法。首先对点云建立轴向包围盒,然后以某一个等分距离对包围盒沿x,y,z轴三个方向的边进行等分,使得每一个体素近似为一个正方体,然后计算每一个体素内所有点的重心,并将其作为该体素的采样值。实验结果表明,当点云包围盒在x,y,z轴三个方向的边长相差非常悬殊时,该方法比传统的体素网格法获取的点云分布更均匀,而且该方法的计算效率比传统的体素网格法更高。

由于铸件自动化打磨作业中存在点云数据过冗余等问题,导致数据处理时间过长,影响加工效率。为了提高点云处理的计算效率,提出一种基于线性耦合曲率的点云精简方法,以兼具效率和精度。对源扫描点云构建K-d树数据结构,并提出更稳健的线性耦合曲率特征模型以提取特征域;在此基础上,利用改进空间二分法快速精简非特征域;最后融合特征域和精简后的非特征域,得到最终精简结果。结果表明:该方法可得准确的精简比,拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下,保形性误差为0.867 mm,优于传统的点云精简方法,能够实现铸件点云的高效精简。